权重计算方法一：层次分析法（AHP）

已于 2022-03-06 14:23:53 修改
阅读量2w 收藏 148
点赞数 17
分类专栏： 数学建模 文章标签： java 数学建模 算法 美国大学生数学建模竞赛
于 2022-02-03 15:31:26 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_53972936/article/details/122775543
版权

目录

1.层次分析法原理介绍

2.层次分析法建模步骤

3.案例分析

3.1 题目简述

3.2 确定评价指标，建立层次关系

3.3 构造判断矩阵

3.3.1 标度定义

3.3.2 构造判断矩阵

 3.4 一致性检验

3.5 层次总排序

4.代码实现

1.层次分析法原理介绍

        关于层次分析法的具体原理即详细的步骤以及有很多人发布，可自行搜索查看，以下链接为个人认为较好的两篇：数学建模方法——层次分析法（AHP）_Learning-Deep-CSDN博客_层次分析法列向量归一化计算0. 层次分析法简介层次分析法（Analytic Hierarchy Process，简称AHP）主要是对于定性的决策问题进行定量化分析的方法。举个例子，在日常生活中，我们经常需要进行感性的判断，比如报高考志愿，感觉清华北大都很好，到底要报哪个；再比如去市场买菜，到底是买青椒做青椒炒鸡蛋，还是买黄瓜做黄瓜炒鸡蛋；再比如想去出游，到底是去公园A还是公园B。上面提到的这些问题，都是决策，也叫做评价类...https://blog.csdn.net/limiyudianzi/article/details/103389880?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522164386596716780261988153%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=164386596716780261988153&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~top_positive~default-1-103389880.pc_search_insert_es_download&utm_term=AHP&spm=1018.2226.3001.4187

【AHP】层次分析法 | 过程解读 案例实践_Fxtack的博客-CSDN博客_ahp分析法完整案例AHP 层次分析法一. AHP 层次分析法介绍AHP 层次分析法简介AHP，即层次分析法（Analytic Hierarchy Process,AHP）是一种系统化的、层次化的多目标综合评价方法。在评价对象的待评价属性复杂多样，结构各异，难以量化的情况下AHP层次分析法也能发挥作用。AHP 基本思想 [1]AHP 把复杂的问题分解为各个组成因素，又将这些因素按支配关系分组形成地递阶层次结构。通过两两比较的方式确定方式确定层次中诸因素的相对重要性。然后综合有人员的判断，确定备选方案相对重要https://blog.csdn.net/weixin_43095238/article/details/108055579?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522164386596716780261988153%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=164386596716780261988153&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~top_click~default-2-108055579.pc_search_insert_es_download&utm_term=AHP&spm=1018.2226.3001.4187

2.层次分析法建模步骤

3.案例分析

3.1 题目简述

        假定现需要购置一批冰箱，由于市场上冰箱种类参差不齐，其性能及性价比也存在很大差异，现有一批冰箱待选择，请考虑冰箱的容积、功耗、外观、噪声、寿命、价格、保修时间等因素，建立模型，确定性价比最高的购买方案。

量化后冰箱参数：

以冰箱A为基准，若该项性能优于A则其值加1，且每优一级都加1，反之亦然。

容积功耗外观噪声寿命价格保修时间
A5555555
B6838797
C24828510

3.2 确定评价指标，建立层次关系

3.3 构造判断矩阵

3.3.1 标度定义

标度含义
1两个要素相比，重要性相同
3两要素相比，前者比后者稍微重要或有优势
5两要素相比，前者比后者比较重要或有优势
7两要素相比，前者比后者十分重要或有优势
9两要素相比，前者比后者绝对重要或有优势
2,4,6,8为上述标度之间的中间值

若要描述后者与前者比较，则用倒数为标度。例如 1/3 描述的是，后者比前者稍微重要。 

3.3.2 构造判断矩阵

属性容积功耗外观噪声寿命价格保修时间
容积

1

3

2

1/2

1/3

1/6

1/2

功耗

1/3

1

5

1

1/3

1/2

1/2

外观

1/2

1/5

1

1/3

1/3

1/4

1/3

噪声

2

1

3

1

1/3

1/3

1/3

寿命

3

3

3

3

1

1/2

1/2

价格

6

2

4

3

1

1

3

保修时间

2

2

3

3

2

1/3

1

 3.4 一致性检验

具体的计算方法见推荐阅读的两篇文章。

经过计算得到C.R=0,025<0.1，故一致性检验成功。

 得到七种属性的权值如下：

属性容积功耗外观噪声寿命价格保修时间
权值0.090.100.050.100.180.290.19

3.5 层次总排序

属性容积功耗外观噪声寿命价格保修时间评分
权值0.090.100.050.100.180.290.19
A55555555
B68387977.49
C248285105.97

 由此可见评分：B>C>A。故冰箱B对顾客来说性价比最高。

4.代码实现

package AHP;

import java.util.Scanner;

public class AHP {
	public static void main(String[] args) {
		System.out.println("输入矩阵阶数：");
		Scanner scanner = new Scanner(System.in);
		int n = scanner.nextInt();
		System.out.println("按行输入：");
		double d[][] = new double[n][n];
		double temp[][] = new double[n][n];
		for (int i = 0; i < n; i++) { 
			for (int j = 0; j < n; j++) {
				double sToD = SToD(scanner.next());
				d[i][j] = sToD;
				temp[i][j] = sToD;
			}
		}

		System.out.println("以下是判断矩阵");
		// 得到判断矩阵
		for (int i = 0; i < n; i++) {
			for (int j = 0; j < n; j++) {
				System.out.printf("%.2f\t", d[i][j]);
			}
			System.out.println();
		}
 
		// 1.对判断矩阵进行求和
		System.out.println("列相加结果w1");
 
		double w1[] = new double[n];
		for (int i = 0; i < n; i++) {
			for (int j = 0; j < n; j++) {
				w1[i] = w1[i] + d[j][i];
			}
			System.out.printf("%.2f\t", w1[i]);
		}
 
		// 2.相除
		System.out.println();
		for (int i = 0; i < n; i++) {
			for (int j = 0; j < n; j++) {
				d[i][j] = d[i][j] / w1[j];
			}
		}
		System.out.println("和积法第一步求出的结果d（即对列向量归一化）：");
		for (int i = 0; i < n; i++) {
			for (int j = 0; j < n; j++) {
				System.out.printf("%.2f\t", d[i][j]);
			}
			System.out.println();
		}
 
		System.out.println("对第一步求出的结果进行 行相加");
 
		System.out.println("行相加结果w2:");
 
		double w2[] = new double[n];
		for (int i = 0; i < n; i++) {
			for (int j = 0; j < n; j++) {
				w2[i] = w2[i] + d[i][j];
			}
			System.out.printf("\t%.2f\n", w2[i]);
		}
 
		System.out.println("特征向量求解第一步 ： 将上面的行相加的所有结果相加sum：");
		double sum = 0.0;
		for (int i = 0; i < n; i++) {
			sum += w2[i];
		}
		System.out.printf("结果为sum = \t%.2f\n", sum);
 
		System.out.println("将行结果与 sum 相除 得出结果为w3：  ");
		double w3[] = new double[n];
		for (int i = 0; i < n; i++) {
			w3[i] = w2[i] / sum;
			System.out.printf("\t%.2f\n", w3[i]);
		}
 
		System.out.println();
		System.out.println("************************************************");
		System.out.println("用和积法计算其最大特征向量为（即权重）：W = ");
		// 以下是校验
		System.out.printf("(");
		for (int i = 0; i < n; i++) {
			System.out.printf("%.2f ,", w3[i]);
		}
		System.out.printf(")");
 
		System.out.print("\nBW(w4) = ");//BW即行相加结果
		double w4[] = new double[n];
		for (int i = 0; i < n; i++) {
			for (int j = 0; j < n; j++) {
				w4[i] = w4[i] + temp[i][j] * w3[j];
			}
			System.out.printf("%.5f \t", w4[i]);
		}
		System.out.println("\n----------------------------------------");
		double sum2 = 0.0;
		for (int i = 0; i < n; i++) {
			sum2 = sum2 + w4[i];
		}
		System.out.printf("得到最大特征值sum2：\t %.2f\n", sum2);
		System.out.println("************************************************");
		System.out.println("最大的特征向量为 ：  ");
 
		double result = 0.0;
		for (int i = 0; i < n; i++) {
			result = result + w4[i] / (6 * w3[i]);
		}
		System.out.printf(" %.2f \n", result);
 
		System.out.println("\n判断矩阵一致性指标C.I.(Consistency Index)");
		double CI = (result - n) / (n - 1);
		System.out.printf(" %.2f \n", CI);
 
		System.out.println("随机一致性比率C.R.(Consistency Ratio)");
 
		/*
		 * 
		 n  1  2  3  	4  		5	  6	  7		  8		 9	  10	  11
		RI  0  0  0.58  0.90  1.12  1.24  1.36  1.41  1.45  1.49  1.51 
		一般，当一致性比率 <0.1 时
		的不一致程度在容许范围之内，可用其归一化特征向量
		作为权向量，否则要重新构造成对比较矩阵，对  加
		以调整
		 */
		double RI = 0.0;
		switch (n) {
		case 0:
			RI=0;
			break;
		case 1:
			RI=0;
			break;
		case 2:
			RI=0;
			break;
		case 3:
			RI=0.58;
			break;
		case 4:
			RI=0.90;
			break;
		case 5:
			RI=1.12;
			break;
		case 6:
			RI=1.24;
			break;
		case 7:
			RI=1.36;
			break;
 
		default:
			break;
		}
		double CR=CI / RI;
		if(CR<0.1) {
			System.out.printf("一致性检验成功！  C.R =  %.2f \n", CR);
		}
		else
			System.out.printf("一致性检验失败！  C.R =  %.2f \n", CR);
		
		
		scanner.close();
	}
 
	public static double SToD(String s) {
		String[] p = s.split("/");
		if (p.length > 1) {
			return Double.parseDouble(p[0]) / Double.parseDouble(p[1]);
		}
		return Double.parseDouble(s);
	}
}

离陌lm
关注
  • 17
    点赞
  • 踩
  • 148
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 7
    评论
专栏目录
数学建模第一讲：层次分析法
BKSW.的博客
07-14 4290
数学建模第一讲：层次分析法 前言：数学建模三大块 建模 建模手 编程 算法手 写作 论文手 误区：每个人只需要掌握其中的一块就好！另外两块交给队友就好！ 实际上：真正比赛的时候，三个队友的工作会有很大的重叠，比如：建模的同学要参与写作，而写作和编程的同学也要对模型有够深的了解。 因此：这三块一定要看成一个整体，每一块都是不可分割的，每一个部分都要学习！ 层次分析法详解 (The analytic hierarchy process,简称AHP ) 是
AHP层次分析法计算权重、特征值、特征向量
11-08
AHP层次分析法计算权重、特征值、特征向量，第一作者刘兴，其他地方下载需要47个币 【 尚有疑问，欢迎沟通！！ 1.CSDN上有人说可用； 2.亲自试验，代码流畅，但个人感觉特征值、特征向量存疑； 3.用java求出的特征向量与spass、matlab有差别，百度到底了，一直没有看到破解办法，欢迎交流！ 】
AHP层次分析法中的权重计算
我的乌托
12-21 786
matlab中输入判断矩阵，之后即可得到各类方法计算出的权重。
掌握决策之道：层次分析法（AHP）的步骤、应用与局限性
最新发布
2301_81199775的博客
05-13 1337
在面对复杂的决策问题时，如何确保我们的选择既理性又全面？本文将深入探讨一种广泛使用的决策方法——层次分析法（Analytic Hierarchy Process, AHP）。我们将通过一个具体的例子来理解层次分析法的步骤，包括建立层次结构模型、构造判断矩阵、求权重并做一致性检验以及根据权重矩阵计算得分和排序。 我们还将讨论判断矩阵不满足一致性检验时的修正方法，以及层次分析法的优点和局限性。最后，我们将探索层次分析法的适用情况，帮助你在需要做出重要决策时，能够更加自信和有条理地进行分析和选择。无论你是在学术
层次分析法原理及计算过程详解
木牛的博客
12-01 9807
写在前面： 层次分析法是一个很早的决策算法了，它能够处理多目标多准则的决策问题，思维方式却很简单。由于其系统性等优点，后续很多算法都有借鉴，所以这里写一写。 网上关于该方法的讲解很多也很详细，所以本篇都是在前辈的基础上进行整理加工。文章尽量详细，然后加上一些我自己的理解，希望后面看到的人能够读起来更轻松，更容易接受。 注意：文中说的判断矩阵，又称成对比较阵 目录： 1.层次分析法概论 1.1 什么是层次分析法 1.2什么是决策 1.3决策分析法原理 2.层次分析法的基本步骤 2.1...
层次分析法原理和matlab代码实现
yanyanwenmeng的博客
04-12 8909
笔记来自清风老师的数学建模系列课程，课程链接：层次分析法 层次分析法例题，IMMC2020https://blog.csdn.net/yanyanwenmeng/article/details/104907412 1. 指标选择途径 （1）题目背景 （2）中国知网、百度学术、谷歌学术等地方搜索相关文献，查找指标 （3）搜索网站推荐：虫部落https://search.chongbul...
层次分析法(AHP）
rinascimanto的博客
01-31 4857
层次分析法
层次分析法
weixin_43971913的博客
08-03 9166
学会寻找文献（知网，万方，百度学术，谷歌学术） 层次分析法： 当有多个参考特征时，把每个特征之间两两比较，看谁更重要些：
数学建模方法——层次分析法（AHP）
Learning-Deep
12-04 4万+
0. 层次分析法简介 层次分析法（Analytic Hierarchy Process，简称AHP）主要是对于定性的决策问题进行定量化分析的方法。举个例子，在日常生活中，我们经常需要进行感性的判断，比如报高考志愿，感觉清华北大都很好，到底要报哪个；再比如去市场买菜，到底是买青椒做青椒炒鸡蛋，还是买黄瓜做黄瓜炒鸡蛋；再比如想去出游，到底是去公园A还是公园B。上面提到的这些问题，都是决策，也叫做评价类...
AHP层次分析法
热门推荐
萧萧的专栏
02-21 8万+
2014年参加数学建模美赛， 其中一道题是选出5大优秀教练，数据来源要求自行寻找。 在比赛中，我们运用了层次分析法（AHPAnalytic Hierarchy Process）进行建模，好不容易理解了这一方法的思想，在自己的博客里记录一下，希望可以帮助初次接触层次分析法的人，更快地理解这一的整体思想，也利于进一步针对细节进行学习。文章内容主要参阅 《matlab数学建模算法实例与分析》，部分图片来...
层次分析法计算步骤
12-25
层次分析法详细教程层次分析法详细教程层次分析法详细教程层次分析法详细教程
学习笔记：层次分析法（AHP）
02-27
层次分析法（The Analytic Hierarchy Process，即AHP）是一种系统分析与决策的综合评价方法，由美国运筹学家、匹兹堡大学教授T.L.Saaty于20世纪70年代创立。该方法较合理地解决了定性问题定量化的处理过程。 AHP的...
python实现AHP算法的方法实例（层次分析法）
12-17
层次分析法（Analytic Hierarchy Process，AHP）由美国运筹学家托马斯·塞蒂（T. L. Saaty）于20世纪70年代中期提出，用于确定评价模型中各评价因子/准则的权重，进一步选择最优方案。该方法仍具有较强的主观性，...
AHP层次分析法V6.0-免费版.rar
12-19
层次分析法(Analytic Hierarchy Process,AHP)这是一种定性和定量相结合的、系统的、层次化的分析方法。这种方法的特点就是在对复杂决策问题的本质、影响因素及其内在关系等进行深入研究的基础上，利用较少的定量信息...
层次分析法中计算权重的代码
05-22
利用层次分析法需要计算权重，而权重的计算和使用是比较麻烦的，在这里封装了一些方法。注意的吧，这个东西需要一点知识，代码应该没问题。
层次分析法计算权重
dsytxdy的博客
11-26 9444
初学者搞的层次分析法，先放代码再放图 import numpy as np import pandas as pd import pymysql import math import time import datetime from sqlalchemy import create_engine class AHP: """ 相关信息的传入和准备 """ def __init__(self, array): ## 记录矩阵相关信息 sel
Matlab：如何利用层次分析法（升级版）计算具有多重指标的判断矩阵的一致性检验和权重
炒茄子的博客
10-09 7283
我比较推荐使用b站上清风的视频，尤其是他关于代码部分讲解的非常非常非常之棒，相比于另一个老哥视频我不可否认他的视频做的也是可以的，但是对于新手非常不友好，我听过老哥的线性规划和整数规划，理论部分稍微比清风的差一点，但是可以接受，但是关于代码真的非常不友好，特别是整数规划里面的分支定界法，完全听不懂，还有其它诸如课件混乱什么的就不过多褒贬的，毕竟人家免费，所以说一分钱一分货，贵有贵的道理。本博客以 许学敏的《层次分析法在太阳镜产品质量评价中的应用》为例进行讲解。
层次分析法（AHP法）
qq_59999200的博客
02-02 1万+
层次分析法（AHP法）
ahp层次分析法权重计算
08-25
在AHP层次分析法中，权重计算通常采用三种方法：算术平均法、几何平均法和特征值法。这些方法都是用来计算每个层次中元素的相对重要性。算术平均法是将每个元素的权重相加后取平均值，几何平均法是将每个元素的权重相乘后取平方根，而特征值法是通过计算矩阵的特征值和特征向量来确定权重。在实际应用中，为了保证结果的稳健性，可以同时采用这三种方法求出权重，并将它们的平均值作为最终的权重。这样可以避免单一方法所产生的偏差，并得出更全面、更有效的结论。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [数学建模常用算法—层次分析法(AHP)](https://blog.csdn.net/cyj972628089/article/details/107300145)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* [层次分析法(AHP)](https://blog.csdn.net/weixin_41563161/article/details/114889420)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 7
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

离陌lm

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值